抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,リスク回避の意思決定者(DMs)レベルに基づくパターンマイニングを用いた優先順位のための技術を導入することを目的とした。しかし,モデルは供給者選択の問題に関して本質的に定義されて,それはほとんど類似の意思決定問題を扱うために用いることができた。この新しい多重属性決定(MADM)モデルは,U2P-Minerアルゴリズム,区間データ重みづけ法,および線形割当法(LAM)の利点を取り入れる。この方法の背後にある鍵となるアイデアは,共通属性としてより頻繁なパターンを持つ属性を考慮し,それに対してより小さな重みを割り当てることである。モデルが入力として間隔データを扱うので,モデルが詳細な情報を使用するので,結果としての重み因子がより現実的であることを保証することができる。DMsリスク回避レベルは,現実の状況で必要なモデルにおいても扱われる。従って,提案した意思決定プロセスはリスクに対するDMs姿勢に直接依存する。それは,DMを2つの方法で決定する機会を与える。1)特定リスク回避レベルに基づいて,2)LAMを用いた統合アプローチに基づく。LAMの線形性はそれ自身によってモデルのスケーラビリティを強化する。さらに,ペアワイズ比較判断を提供する必要性は,モデルにおいて完全に除去され,したがって,意思決定の信頼性は強化される。モデルの有効性は数値例を通して最終的に実証されるが,広い比較と感度解析はその妥当性と優位性をさらに証明する。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】